Hbase入門(三)——數據模型_ZenDei技術網路在線

Hbase最核心但也是最難理解的就是數據模型，由於與傳統的關係型資料庫不同，雖然Hbase也有表（Table），也有行（Row）和列（Column），但是與關係型資料庫不同的是Hbase有一個列族（Column Family）的概念，它將一列或者多列組織在一起，HBase必須屬於某一個列族。行和列 ...

file

Hbase最核心但也是最難理解的就是數據模型，由於與傳統的關係型資料庫不同，雖然Hbase也有表（Table），也有行（Row）和列（Column），但是與關係型資料庫不同的是Hbase有一個列族（Column Family）的概念，它將一列或者多列組織在一起，HBase必須屬於某一個列族。

行和列交叉點稱為單元格（Cell），單元格時版本化的。單元格的內容，也就是列的值是不可分割的位元組數組。

HBase沒有數據類型，任何列值都被轉換成位元組數組進行存儲。

HBase表中的行是通過行鍵（Rowkey）進行區分的。行鍵也是用來唯一確定一行的標識。

HBase中的行按Rowkey排序，排序方式採用字典順序。

這些都是HBase的邏輯結果，他的物理結構也和傳統關係型資料庫有很大不同。

file

邏輯模型

HBase的邏輯模型源自Google的BigTable模型。可以理解為一個稀疏的，長期存儲的，多維度的和排序的映射表。

以下示例是 BigTable 論文第 2 頁上的一個略微修改的形式。有一個名為webtable的表包含兩行（com.cnn.www和com.example.www）和三個列族，名為contents，anchor和people。

file

在此示例中，對於第一行（com.cnn.www），anchor包含兩列（anchor:cssnsi.com，anchor:my.look.ca），contents包含一列（contents:html）。此示例包含具有行鍵com.cnn.www的行的 5 個版本，以及具有行鍵com.example.www的行的一個版本。 contents:html列限定符包含給定網站的整個HTML。 anchor列族的限定符每個都包含指向該行所代表的站點的外部站點的鏈接，以及它在其鏈接的anchor中使用的文本。 people列系列表示與該站點關聯的人員。

此表中看起來為空的單元格在 HBase 中不占用空間，或實際上不存在。這就是HBase“稀疏”的原因。表格視圖不是查看 HBase 中數據的唯一方法，甚至也不是最準確的方法。以下表示與多維映射相同的信息。這隻是一個出於演示目的的模型，可能並不完全準確。

{
  "com.cnn.www": {
    contents: {
      t6: contents:html: "<html>..."
      t5: contents:html: "<html>..."
      t3: contents:html: "<html>..."
    }
    anchor: {
      t9: anchor:cnnsi.com = "CNN"
      t8: anchor:my.look.ca = "CNN.com"
    }
    people: {}
  }
  "com.example.www": {
    contents: {
      t5: contents:html: "<html>..."
    }
    anchor: {}
    people: {
      t5: people:author: "John Doe"
    }
  }
}

物理模型

雖然Hbase表可以看作一組稀疏的行，但在物理意義上它們是按照列族存儲的。所以列是可以隨時添加的。

file

Hbase是面向列的，存放行的不同列的物理文件，一個列族存放在多個HFile中，最重要的是一個列族的數據會被同一個Region管理。

file

空單元格不占據物理存儲空間。因此，在時間戳t8處對contents:html列的值的請求將不返回任何值。類似地，在時間戳t9處對anchor:my.look.ca值的請求將不返回任何值。但是，如果未提供時間戳，則將返回特定列的最新值。給定多個版本，最新版本也是第一個版本，因為時間戳按降序存儲。因此，如果沒有指定時間戳，則對行com.cnn.www中所有列的值的請求將是：來自時間戳t6的contents:html的值，來自時間戳t9的anchor:cnnsi.com的值，來自時間戳t8的anchor:my.look.ca。

數據模型操作

四個主要的數據模型操作是 Get，Put，Scan 和 Delete。通過實例化Table進行操作。

版本問題： Rowkey、Column（列族和列）、Version組合在一起稱為Hbase中的一個單元格。

Rowkey和Column的值是用位元組數組表示的，Version則是用一個長整型表示的。

Get

操作返回指定行的屬性，Get是在Scan基礎上實現的。在預設情況下，如果沒有指定版本，一旦使用Get操作，會返回最近版本的Cell。

要返回多個版本，需要設置Get.setMaxVersions（）

要返回最新版本以外的其他版本，請參見 Get.setTimeRange（）

預設版本Get示例

public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Get get = new Get(Bytes.toBytes("row1"));
Result r = table.get(get);
byte[] b = r.getValue(CF, ATTR);  // returns current version of value

給定版本的Get示例

public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Get get = new Get(Bytes.toBytes("row1"));
get.setMaxVersions(3);  // will return last 3 versions of row
Result r = table.get(get);
byte[] b = r.getValue(CF, ATTR);  // returns current version of value
List<KeyValue> kv = r.getColumn(CF, ATTR);  // returns all versions of this column

PUT

執行 put 總是在某個時間戳創建cell的新版本。預設情況下，系統使用伺服器的currentTimeMillis，但您可以在針對每一列指定版本（=長整數）。這意味著您可以在過去或將來指定時間，或者將long值用於非時間目的。

隱式版本示例

HBase 將使用當前時間隱式地對以下 Put 進行版本控制。

public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Put put = new Put(Bytes.toBytes(row));
put.add(CF, ATTR, Bytes.toBytes( data));
table.put(put);

顯式版本示例

public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Put put = new Put( Bytes.toBytes(row));
long explicitTimeInMs = 555;  // just an example
put.add(CF, ATTR, explicitTimeInMs, Bytes.toBytes(data));
table.put(put);

DELETE

刪除通過 Table.delete]執行。

有三種不同類型的內部刪除標記。

刪除：對於特定版本的列。
刪除列：適用於列的所有版本。
刪除系列：適用於特定 ColumnFamily 的所有列

SCAN

掃描表

下麵是對錶進行掃描的示例。假設一個表填充了具有鍵“row1”，“row2”，“row3”的行，然後另一組是具有鍵“abc1”，“abc2”和“abc3”的行。以下示例將展示如何設置 Scan 實例以返回以“row”開頭的行。

public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...

Table table = ...      // instantiate a Table instance

Scan scan = new Scan();
scan.addColumn(CF, ATTR);
scan.setRowPrefixFilter(Bytes.toBytes("row"));
ResultScanner rs = table.getScanner(scan);
try {
  for (Result r = rs.next(); r != null; r = rs.next()) {
    // process result...
  }
} finally {
  rs.close();  // always close the ResultScanner!
}

更多實時計算，Hbase，Flink，Kafka等相關技術博文，歡迎關註實時流式計算

file